中国公司海外投放 IP 欺诈检测实践：三层过滤与信号组合

中国公司海外投放做 IP 欺诈检测，核心判断是：IP 数据是成本最低的第一道过滤网，但必须接受它的天花板——机房流量和已知代理可以高效拦截，住宅代理伪装成真实家庭宽带的欺诈，单靠 IP 字段无法解决。有效的实践是把 IP 检测嵌入“投放前过滤、投中监控、投后对账”三个环节，用多层信号组合而非单一字段做判断。

第一层：用 IP 类型做投放前快速过滤

这是成本最低、吞吐最高的环节。广告请求进来时，先查 IP 的网络类型字段，区分住宅、移动、数据中心。数据中心 IP 归属于云服务商 ASN，几乎可以直接判定为非真人流量——某 DSP 平台的实践数据显示，过滤数据中心 IP 后无效流量占比从 30% 降至 8%。

同时检查代理/VPN/Tor 标识。不同供应商的字段设计存在差异：MaxMind 的 Anonymous IP 数据库以二元标志位提供判断，接入简单但无法区分代理类型或置信度；IPinfo 通过主动探测代理服务出口节点行为生成标签，能提供代理服务商名称等辅助字段；Digital Element 的 Nodify 方案侧重用上下文信号评估风险，代理列表每日更新，定位是减少误报而非单纯二元判断；IPQualityScore 的欺诈评分偏行为历史，对近期滥用响应较快但对长期未被报告的住宅代理可能漏判。

这一层的局限很明确：住宅代理的 IP 本身就是真实家庭宽带，网络类型显示“住宅”，ASN 是 Comcast 或 AT&T，从 IP 属性上看和正常用户完全一样。传统基于机房 IP 段的规则对它失效。

第二层：归因交叉验证，找独立裁判视角

媒体平台自报数据不可全信，因为计分方也从计分中获利。出海企业通常通过 AppsFlyer、Adjust、Branch 等移动归因平台获得独立于媒体和代理商的第三方视角。具体做法是：比对渠道自报数据与 MMP 归因数据，差异长期超过 20% 需重点排查；同时让 Google/Meta 的自归因、SKAN 归因与 MMP 数据互相印证，任何两方长期背离都要追查。

MMP 内置的反作弊模块（如 AppsFlyer Protect360、Adjust Fraud Prevention）已覆盖 bot 识别、点击注入检测和 CTIT 分布分析。点击注入的典型特征是 CTIT 极短——攻击者监听安装广播，在应用安装完成的瞬间伪造点击抢占归因，正常用户的点击到安装间隔呈自然分布，而注入流量的安装集中在点击后数秒内。

第三层：设备与网络指纹补充 IP 的盲区

住宅代理可以伪造 IP 归属，但难以同时伪造所有网络层信号。实战中可用的补充维度包括：TTL 衰减分析与声称 IP 直连应有的跳数不符，说明中间有代理节点转发；TCP 协议栈指纹与 IP 归属设备类型矛盾（显示“安卓手机”但协议栈像 Linux 服务器）；WebRTC 泄露检测能拿到客户端本地网卡真实 IP，与请求 IP 一比对即可穿帮。

移动端还有额外信号：SDK 可读取当前是 WiFi 还是蜂窝，若定向“蜂窝用户”但流量全走 WiFi 加代理出口，与定向自相矛盾；蜂窝网络下可读取 MCC/MNC（移动国家码/网络码），与 IP 归属运营商不一致是硬矛盾——住宅代理再真，也变不出 SIM 卡运营商。

工程落点：离线库嵌入，字段裁剪

广告竞价对延迟极度敏感，在线 API 的 P99 延迟在几十毫秒量级，不适合同步决策链路。可行的做法是将 IP 情报库编译为内存加载的离线数据，通过二分查找实现微秒级查询，字段裁剪到实际用到的几个——网络类型、代理标识、ASN、风险评分即可。归因对账和设备指纹分析可以异步进行，不需要实时。

一个需要接受的现实

IP 数据能解决的是“明显不是真人”的流量。对于模拟了正常浏览器指纹、通过真实住宅 IP 发起、行为模式也在刻意模仿人类的欺诈，IP 层的信号已经用尽。此时需要把 IP 风险分作为输入之一，结合设备指纹一致性、CTIT 分布异常、会话主题连贯性等信号做综合判断。IPinfo 自己的文档也承认，住宅代理检测数据应作为风险上下文使用，而非确定性判决。

中国公司出海的有效做法不是寻找“最强的反欺诈 IP 库”，而是建立分层过滤加三方对账的机制：IP 层做第一道快速剔除，MMP 归因做第二道交叉验证，自有后端日志做第三道兜底。任何一层出现持续偏差，就追到具体渠道和流量源。检测的价值不在于给出“是欺诈”的确定答案，而在于把异常流量从预算分配中隔离出来。